PDF से Markdown कनवर्टर

कौन सा चुनें?

अगर तय न कर पाएँ तो सामान्य PDF से Markdown कनवर्टर लें। यही सबसे आम स्थिति है और इसका आउटपुट मानक GFM होता है, जो हर जगह काम करता है। बाक़ी पन्ने इसलिए अलग हैं क्योंकि वही नतीजा अलग-अलग जगह भेजते समय ध्यान अलग चीज़ों पर जाता है।

अगर नतीजा किसी नोट वॉल्ट में जाना है तो Obsidian वाला पन्ना देखें। वहाँ बदलता रूपांतरण नहीं, उसके बाद का काम है: फ़ाइल का नाम नोट का शीर्षक बनता है, शीर्षक स्तर आउटलाइन तय करते हैं, और बिना लिंक वाला नोट ग्राफ़ को दिखता ही नहीं।

अगर Notion पन्ने में आयात या पेस्ट करना है तो Notion वाला पन्ना देखें। Notion Markdown आयात स्वीकारता है पर GitHub से कम ब्लॉक प्रकारों को पहचानता है, इसलिए पहले से जान लेना कि क्या बचेगा, दोबारा मेहनत से बचाता है।

अगर बदला हुआ पाठ सीधे किसी भाषा मॉडल में डालना है तो ChatGPT और Claude वाले पन्ने देखें। दोनों का विषय एक ही है: टोकन बर्बाद न हों, और तालिकाएँ व शीर्षक स्तर बिना टूटे पहुँचें।

अगर तालिकाएँ ही बदलने की वजह हैं तो तालिका वाला पन्ना देखें। PDF से तालिका निकालने की अपनी अलग गड़बड़ियाँ हैं — मर्ज किए गए सेल, लिपटा हुआ पाठ, बेमेल स्तंभ — और वह पन्ना उन्हीं को पहचानने और सुधारने के बारे में है।

अगर आपकी फ़ाइल PDF नहीं बल्कि .docx है तो Word कनवर्टर चुनें। यहाँ यही एक पन्ना है जिसका स्रोत PDF नहीं है, और इसका नतीजा ज़्यादा सटीक होता है: Word अपनी हेडिंग, सूची-स्तर और टेबल सेल ख़ुद सहेजता है, इसलिए पेज की बनावट से कुछ भी अनुमान नहीं लगाना पड़ता।

स्कैन PDF कनवर्टर तभी इस्तेमाल करें जब सामान्य कनवर्टर ने कुछ भी न दिया हो। स्कैन की पहचान यही है: ऐसा दस्तावेज़ जिसमें पढ़ने लायक, चुनी जा सकने वाली कोई लिखावट है ही नहीं।

इन सबमें समान क्या है

हर पन्ने के पीछे कनवर्ज़न इंजन एक ही है। यह आपके ब्राउज़र के Web Worker में PDF.js से PDF पढ़ता है, अक्षरों की ज्यामिति मापता है और उससे संरचना निकालता है: मुख्य पाठ से बड़े अक्षर शीर्षक बनते हैं, पास-पास की पंक्तियाँ अनुच्छेद बनती हैं, और एक ही स्तंभ पर संरेखित पंक्तियाँ तालिका बनती हैं।

Word वाला रास्ता वही इंजन है, बस प्रवेश अलग है। .docx ब्राउज़र में ही खुलती है और सीधे पढ़ी जाती है — स्टाइल के नाम से हेडिंग और नंबरिंग परिभाषाओं से सूचियाँ मिलती हैं — और वहाँ से वही Markdown रेंडरर चलता है, इसलिए एक ही दस्तावेज़ दोनों रूपों में सहेजने पर एक जैसा बदलता है।

सभी मुफ़्त हैं, किसी खाते की ज़रूरत नहीं, और 50 MB तक की फ़ाइलें स्वीकार होती हैं। बोल्ड, इटैलिक, इनलाइन कोड और एम्बेडेड लिंक बने रहते हैं। चित्र नहीं निकाले जाते और गणितीय सूत्र LaTeX में नहीं बदले जाते।

जो अपलोड करता है, और वह अलग क्यों है

स्कैन किया हुआ पृष्ठ एक तस्वीर है। उसमें अक्षर होते ही नहीं, इसलिए पार्सर कितना भी अच्छा हो, ब्राउज़र में चलने वाली कोई चीज़ उसे नहीं पढ़ सकती। उसे पहचानने के लिए पाठ पहचान चाहिए, जिसे किसी ब्राउज़र टैब की तुलना में कहीं अधिक गणना चाहिए।

इसीलिए स्कैन PDF को बाक़ी पन्नों पर एक चेकबॉक्स बनाने के बजाय अपना कनवर्टर मिला है। यही अलगाव इस साइट के बाक़ी हर पन्ने को बिना किसी शर्त यह कहने देता है कि आपकी फ़ाइल आपका उपकरण नहीं छोड़ती। अगर इनमें से कोई भी एक पन्ना अपलोड कर सकता, तो यह बात हर पन्ने पर शर्त के साथ कहनी पड़ती।

जब आप इसका उपयोग करते हैं तो यह पहले पूछता है: एक संवाद बताता है कि कितने पृष्ठ भेजे जाएँगे, कहाँ जाएँगे और कितनी देर रहेंगे, और आपकी पुष्टि से पहले कुछ भी नहीं भेजा जाता। फ़ाइल काम की अवधि तक स्मृति में रहती है और पूरा होते ही मिटा दी जाती है।